DISEÑOS EXPERIMENTALES
5to SEMESTRE
8/09/18
Página | 1
Contenido
2.1. DEFINICIÓN DE CONCEPTOS. ...................................................................... 3
2.1.1. TRATAMIENTO, TESTIGO, UNIDAD EXPERIMENTAL, UNIDAD DE
OBSERVACIÓN. ................................................................................................. 3
2.1.2. ERROR EXPERIMENTAL, REPETICIONES, VARIABLE DE
AGRUPAMIENTO O CONTROL, TRATAMIENTO, VARIABLE DE
OBSERVACIÓN, ETC. ........................................................................................ 4
2.2. TAMAÑO ÓPTIMO DE PARCELA O UNIDAD EXPERIMENTAL. .................. 5
2.3. FORMA DE LAS UNIDADES O PARCELAS EXPERIMENTALES. ............... 5
2.4. NÚMERO DE REPETICIONES. CONSIDERACIONES GENERALES............ 6
2.5. SELECCIÓN DEL MATERIAL EXPERIMENTAL. ........................................... 6
2.6. AGRUPAMIENTO DE LAS UNIDADES EXPERIMENTALES Y DE LOS
TRATAMIENTOS. ................................................................................................... 6
2.7. EFECTOS DE LA COMPETENCIA ENTRE Y DENTRO DE LAS UNIDADES
EXPERIMENTALES. .............................................................................................. 7
2.8. EXPERIMENTOS COMUNES EN LA INVESTIGACIÓN AGRÍCOLA. ............ 7
2.9. CONSIDERACIONES EN LA PLANEACIÓN, EJECUCIÓN, RECOLECCIÓN,
ANÁLISIS E INTERPRETACIÓN DE LOS DATOS DE UN EXPERIMENTO. ........ 7
2.10. EL ANÁLISIS DE VARIANZA Y ACEPTACIÓN O RECHAZO DE
HIPÓTESIS NULA (PRUEBA DE F). ...................................................................... 8
ANÁLISIS DE VARIANZA. ..................................................................................... 8
2.11. MEDICIÓN Y CONTROL DEL ERROR EXPERIMENTAL. ......................... 10
Página | 2
2.1. Definición de conceptos.
2.1.1. Tratamiento, testigo, unidad experimental, unidad de
observación.
Tratamiento:
Los tratamientos pueden ser escogidos o fijados por el investigador. El primer caso,
llamado modelo al azar, es relativamente frecuente en investigaciones de
mejoramiento genético, para la evaluación de poblaciones o familias. Estudios sobre
las dosis, pesticidas, sistemas de riego constituyen el segundo caso, llamado
modelo fijo. La forma de seleccionar los tratamientos no afecta el cálculo del análisis
de varianza, pero sí los cuadrados medios esperados y las pruebas de comparación
de medias.
Cualquiera que sea la forma de seleccionar los tratamientos, estos deben
corresponder a los objetivos del experimento y a las hipótesis a ser probadas.
Testigo:
Unidad experimental:
Error experimental:
Repeticiones:
Cuando un mismo tratamiento aparece más de una vez en un experimento se dice
que está repetido.
Tratamiento:
Página | 4
etc. así como las diferentes combinaciones que pueden hacerse con los niveles de
estos factores.
Los tratamientos pueden ser escogidos o fijados por el investigador. El primer caso,
llamado modelo al azar, es relativamente frecuente en investigaciones de
mejoramiento genético, para la evaluación de poblaciones o familias. Estudios sobre
las dosis, pesticidas, sistemas de riego constituyen el segundo caso, llamado
modelo fijo. La forma de seleccionar los tratamientos no afecta el cálculo del análisis
de varianza, pero sí los cuadrados medios esperados y las pruebas de comparación
de medias.
Cualquiera que sea la forma de seleccionar los tratamientos, estos deben
corresponder a los objetivos del experimento y a las hipótesis a ser probadas.
El tamaño de la parcela debe ser el adecuado para conseguir los objetivos del
ensayo, el tamaño de las unidades experimentales debe satisfacer los
requerimientos de la investigación. La unidad experimental debe tener unas
dimensiones mínimas para poder realizar el experimento, pero más allá de esas
dimensiones no se gana nada aumentando el tamaño y se obtiene mayor precisión
aumentando el número de repeticiones. El tamaño de las unidades dependerá
también del tipo de experimento, pues uno demostrativo normalmente exigirá
mayores parcelas que uno preliminar. En general, en cultivos anuales suelen
utilizarse unidades experimentales compuestas de una a seis filas de cultivo, o aún
menos en programas de mejora, en no más de 50 m2.
Página | 5
2.4. Número de repeticiones. Consideraciones generales.
Los materiales experimentales son utilizados por los investigadores pues en una
investigación se requiere de hechos notables para la comparación de dicho suceso,
es por esto que utiliza este tipo de material.
Características:
1. Las unidades experimentales se distribuyen grupos, bajo dos criterios de
homogeneidad dentro de la fila y dentro de la columna y heterogeneidad en
otra forma.
Página | 6
2. En cada fila y en cada columna, el número de unidades es igual al número
de tratamientos.
3. Los tratamientos son asignados al azar en las unidades experimentales
dentro de cada fila y dentro de cada columna.
4. El número de filas = número de columnas = número de tratamientos.
Página | 7
información, los cuales pueden ser la entrevistas, la encuesta, el cuestionario, la
observación, el diagrama de flujo y el diccionario de datos. Todos estos
instrumentos se aplicarán en un momento en particular, con la finalidad de buscar
información que será útil a una investigación en común. En la presente investigación
trata con detalle los pasos que se debe seguir en el proceso de recolección de datos,
con las técnicas ya antes nombradas.
Análisis: Relación entre variables proporcionales: En los trabajos experimentales
es necesario conocer como varía una cantidad como resultado de un cambio en
alguna otra, existiendo varios tipos de relaciones.
Interpretación: Los datos el resultado del trabajo científico y constituyen elementos
que se someten a estudio, análisis e interpretación. La interpretación de datos es
una de las etapas más importantes del trabajo científico, porque se proyecta en las
conclusiones. Una adecuada interpretación de datos se fundamenta en un diseño
experimental adecuado a la naturaleza del problema que se investiga; en la
realización de observaciones y mediciones cuidadosas, y en el empleo de técnicas
de investigación adecuadas. Los datos mismos tienen poco interés por sí mismos;
lo importante es la nueva luz que surge al examinarlos; las generalizaciones que se
pueden formular y las nuevas preguntas que plantean principalmente. En ciencias,
los datos se suelen presentar en forma de tablas, gráficos, esquemas, etc. No hay
ciencia sin datos; no hay investigación científica sin interpretación de datos. Por una
parte es necesario ser riguroso para obtener datos; por otra, es fundamental ser
muy cuidadoso para interpretarlos: las generalizaciones precipitadas no forman
parte del trabajo propiamente científico. Al investigar, por ejemplo, la rapidez de
evaporación de un líquido en función de determinados factores, el resultado del
trabajo será una información, datos cuya interpretación permitirá establecer
determinadas conclusiones. Por cierto que un buen trabajo experimental es la
condición indispensable para obtener datos fiables y válidos.
Análisis de varianza.
El análisis de varianza es una técnica paramétrica utilizada cuando hay más de dos
grupos independientes. Se trata de un método para comparar medias, no varianzas
como su nombre podría sugerir.
Un análisis de la varianza permite determinar si diferentes tratamientos muestran
diferencias significativas o por el contrario puede suponerse que sus medias
poblacionales no difieren.
Es una técnica estadística que sirve para analizar la variación total de los resultados
experimentales de un diseño en particular, descomponiéndolo en fuentes de
Página | 8
variación independientes atribuibles a cada uno de los efectos en que constituye el
diseño experimental.
Esta técnica tiene como objetivo identificar la importancia de los diferentes factores
o tratamientos en estudio y determinar cómo interactúan entre sí.
Test de Hipótesis: Procedimiento estadístico mediante el cual se investiga la verdad
o falsedad de una hipótesis acerca de una característica de una población o un
conjunto de poblaciones.
Hipótesis nula (H0): Hipótesis que se plantea en un problema de contraste
Hipótesis alternativa (H1): Hipótesis contraria a la hipótesis nula.
Estadístico del Test o Estadístico de Contraste a una variable aleatoria, con
distribución de probabilidad conocida, y cuyos valores nos permiten tomar la
decisión de aceptar o rechazar la hipótesis nula.
Error tipo I: Error que se comete al rechazar la hipótesis nula, H0, cuando esta es
cierta.
Error tipo II: Error que se comete al no rechazar la hipótesis nula, H0, cuando esta
es falsa.
Página | 9
2.11. Medición y control del error experimental.
Es importante notar que en las anteriores expresiones el valor real fr es una cantidad
desconocida, por lo general el valor exacto del error absoluto y relativo es
igualmente desconocido. Afortunadamente, normalmente es posible establece un
límite superior para el error absoluto y el relativo, lo cual soluciona a efectos
prácticos conocer la magnitud exacta del error cometido.
Página | 10